Classificação de sinais EGG combinando redes neurais e análise de componentes independentes

• Autor(a) principal: Santos, Hallan Cosmo dos
• Data de Publicação: 2014
• Outros Autores: Estombelo Montesco, Carlos Alberto, Rodrigues Junior, Methanias Colaco
• Tipo de documento: Artigo de conferência
• Idioma: por
• Título da fonte: Repositório Institucional da UFS
• Texto Completo: https://ri.ufs.br/handle/riufs/1776
• topic: Eletrogastrografia (EGG); Redes neurais; Análise de componentes independentes; Electrogastrography (EGG); Neural network; Independent component analysis

Identify digestive traits of people through Electrogastrography (EGG) is important because it is usually an economic, non-invasive and less bother than the traditional Endoscopy procedure. This research evaluates the behavior of artificial neural networks learning on the components extracted by Independent Component Analysis (ICA) algorithms. An experiment with statistical analysis whose goal was to present the relationship between the viewing of neutral, negative or positive images and digestive reactions was performed. The results showed that extract only the stomach signal component may reduce the error rate of learning of the neural network compared with experiment._________________________________________________________________________________________ RESUMO: Identificar características digestivas de pessoas através da Eletrogastrografia (EGG) é importante pois esta costuma ser uma opção barata, não-invasiva e incomoda menos que o tradicional procedimento de Endoscopia. Este trabalho avalia o comportamento do aprendizado das redes neurais artificiais diante de componentes extraídas por algoritmos de Análise de Componentes Independentes (ICA). Foi realizado um experimento com análise estatística cujo objetivo foi apresentar a relação entre a visualização de imagens neutras, negativas ou positivas e as reações digestivas. Os resultados mostraram que extrair apenas a componente do sinal do estômago deve reduzir a taxa de erro do aprendizado das redes neurais artificiais diante do experimento realizado.